-
公开(公告)号：CN107273818B
公开(公告)日：2020-10-16
申请号：CN201710380562.7
申请日：2017-05-25
Applicant: 北京工业大学
Abstract: 本发明公开了遗传算法融合差分进化的选择性集成人脸识别方法，首先提取人脸图像的HOG特征，之后应用PCA算法对人脸图像进行降维，以此来减少计算复杂度，最后，用降维后的数据，应用GADESEN算法进行分类识别。该方法以支持向量机作为基分类器，从原始的训练集有放回抽取N个样本，按照此方法迭代T次，使用每次产生的样本集训练基分类器模型，对产生的N个基分类器进行实数编码，生成初始种群，在变异操作中采取差分向量来指导变异进而产生优质的个体，交叉操作使用父代个体及变异个体共同产生交叉个体，增加了个体的多样性，采用最优保留策略进行遗传进化。
-
Patent Agency Ranking
公开(公告)号：CN109620152A
公开(公告)日：2019-04-16
申请号：CN201811538183.7
申请日：2018-12-16
Applicant: 北京工业大学
IPC: A61B5/00 , A61B5/0402 , G06N3/04
CPC classification number: A61B5/0402 , A61B5/04012 , A61B5/7267 , G06N3/0454
Abstract: 本发明公开了一种基于MutiFacolLoss‑Densenet的心电信号分类方法，由于每条记录所测得的心电信号时间长短不一或者时间过长，无法对其进行直接分类，需要对每条记录以等长的时间间隔分割处理，然后把分割后的心电信号片段进行归一化处理，最后把处理好的心电信号输入到卷积神经网络中进行分类。该方法的主干网络主要采用DenseNet结构的思想，该思想具有分类识别率高以及参数量等优点。该主干网络的输入为分割后的心电信号片段，输出为心电信号类别个数，网络的每个输出分别为所属类别的概率，是一种端到端的心电信号分类方法；本发明降低了解决问题的繁琐复杂过程，有效地提高了心电信号分类准确率。
-
公开(公告)号：CN108460340A
公开(公告)日：2018-08-28
申请号：CN201810113101.8
申请日：2018-02-05
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于3D稠密卷积神经网络的步态识别方法，该方法中的网络利用3D卷积提取步态在时间维度上的变换特征，同时拥有DenseNet结构的特征保留能力。本发明在网络深度较浅，训练样本较少的情况下训练出性能优越的可根据视频中的步态识别其身份的分类识别模型。通过在CASIA步态数据库的Dataset A上进行测试,证明该方法能在训练样本不充足的情况下训练出实用的步态识别模型，且具有训练速度快，模型参数少，识别率高的优点,并在单一视角或跨视角情况下都具有可观的识别能力。
-
公开(公告)号：CN107273818A
公开(公告)日：2017-10-20
申请号：CN201710380562.7
申请日：2017-05-25
Applicant: 北京工业大学
Abstract: 本发明公开了遗传算法融合差分进化的选择性集成人脸识别方法，首先提取人脸图像的HOG特征，之后应用PCA算法对人脸图像进行降维，以此来减少计算复杂度，最后，用降维后的数据，应用GADESEN算法进行分类识别。该方法以支持向量机作为基分类器，从原始的训练集有放回抽取N个样本，按照此方法迭代T次，使用每次产生的样本集训练基分类器模型，对产生的N个基分类器进行实数编码，生成初始种群，在变异操作中采取差分向量来指导变异进而产生优质的个体，交叉操作使用父代个体及变异个体共同产生交叉个体，增加了个体的多样性，采用最优保留策略进行遗传进化。
-
公开(公告)号：CN107016377A
公开(公告)日：2017-08-04
申请号：CN201710246607.1
申请日：2017-04-16
Applicant: 北京工业大学
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6247 , G06K9/6267 , G06K9/6292 , G06K2009/6295 , G06N3/126
Abstract: 本发明公开了基于SGASEN算法的人脸识别优化方法，首先对人脸图像进行特征提取，然后使用SGASEN算法进行识别分类。对于SGASEN算法对中存在种群大量无效交叉操作问题，本方法以回归树作为基分类器，在交叉操作之前使用计算简单的杰卡德相似性检测，对相似个体减少交叉操作，使种群更加多样性。又针对SGASEN算法存在基分类器的数目未作限制的问题，在适应度函数中考虑泛化误差和基分类器数目，采用最优保留策略进行遗传进化。最终获得了泛化能力强和基分类器数目少的强分类器，有效地提高了人脸识别的准确率。
-
公开(公告)号：CN109620152B
公开(公告)日：2021-09-14
申请号：CN201811538183.7
申请日：2018-12-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于MutiFacolLoss‑Densenet的心电信号分类方法，由于每条记录所测得的心电信号时间长短不一或者时间过长，无法对其进行直接分类，需要对每条记录以等长的时间间隔分割处理，然后把分割后的心电信号片段进行归一化处理，最后把处理好的心电信号输入到卷积神经网络中进行分类。该方法的主干网络主要采用DenseNet结构的思想，该思想具有分类识别率高以及参数量等优点。该主干网络的输入为分割后的心电信号片段，输出为心电信号类别个数，网络的每个输出分别为所属类别的概率，是一种端到端的心电信号分类方法；本发明降低了解决问题的繁琐复杂过程，有效地提高了心电信号分类准确率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
